Nauka

50 nowych planet poza naszym Układem Słonecznym potwierdzonych dzięki uczeniu maszynowemu

50 nowych planet poza naszym Układem Słonecznym potwierdzonych dzięki uczeniu maszynowemu


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Pięćdziesiąt potencjalnych planet zostało potwierdzonych za pomocą nowego algorytmu uczenia maszynowego opracowanego przez naukowców z University of Warwick, zgodnie z nowym badaniem opublikowanym wMiesięczne zawiadomienia Królewskiego Towarzystwa Astronomicznego.

POWIĄZANE: CZY WARTO? KOSZTY I KORZYŚCI Z EKSPLORACJI KOSMOSU

Uczenie maszynowe potwierdza 50 nowych planet

Astronomowie zastosowali proces oparty na uczeniu maszynowym (rodzaj sztucznej inteligencji), aby przeanalizować próbkę potencjalnych planet i rozróżnić, które z nich były prawdziwe, „fałszywe” lub fałszywie pozytywne - po raz pierwszy.

Wyniki zespołu zostały przedstawione w nowym badaniu, w którym przeprowadzili również pierwsze na dużą skalę porównania i zestawienia nowatorskich technik walidacji planet. Należą do nich nowo zastosowany algorytm uczenia maszynowego, który będzie używany do statystycznego potwierdzania przyszłych odkryć egzoplanet.

Zazwyczaj badania egzoplanet przeszukują ogromne ilości danych zebranych przez teleskopy pod kątem oznak przemieszczania się planet między Ziemią a ich gwiazdą macierzystą - w procesie zwanym tranzytem. Kiedy to się dzieje, intensywność światła gwiazdy spada do pewnego stopnia, wychwytywane przez teleskopy, ale mogą one również wystąpić w układach podwójnych gwiazd, zakłóceniach tła, a nawet błędach aparatu. Podsumowując, te potencjalne źródła zakłóceń wymagają środków odróżnienia rzeczywistych od „fałszywych” wskazań egzoplanet.

Szkolenie uczenia maszynowego do wyszukiwania egzoplanet

Dlatego naukowcy z wydziałów fizyki i informatyki Warwicka, oprócz Instytutu Alana Turinga, zbudowali algorytm oparty na uczeniu maszynowym, zdolny do rozróżniania planet rzeczywistych od fałszywych w dużych, tysiącowych próbkach kandydatów zidentyfikowanych podczas misji teleskopowych, takich jak TESS NASA. i Kepler, zgodnie z phys.org.

Metoda uczenia maszynowego została przeszkolona, ​​aby poprawnie identyfikować rzeczywiste planety przy pomocy dwóch dużych próbek potwierdzonych planet i fałszywych alarmów z nieistniejącej już misji Keplera. Następnie naukowcy zastosowali algorytm do nowego zbioru danych niegdyś niepotwierdzonych kandydatów na planetę, zebranych za pośrednictwem Keplera. Wyniki ujawniły 50 nowych potwierdzonych planet - pierwszą walidację z uczenia maszynowego.

Wcześniejsze techniki uczenia maszynowego dobrze klasyfikowały kandydatów na planety, ale nigdy nie były w stanie rozróżnić prawdopodobieństwa, że ​​kandydat był w rzeczywistości planetą bez pomocy - co jest głównym celem walidacji planet.

Rodzaj 50 nowych planet waha się od wielkości Neptuna po ekscytujący potencjał ziemskich skal, z orbitami do 200 dni i tak niskimi, jak jeden dzień. Teraz, mając wiedzę, że 50 kandydatów na planety nie jest podróbkami, astronomowie mogą kontynuować obserwacje nowo odkrytych egzoplanet za pomocą zaangażowanych teleskopów.

Uczenie maszynowe przyspieszy walidację egzoplanet

Profesor David Armstrong z wydziału fizyki Uniwersytetu w Warwick powiedział: „Algorytm, który opracowaliśmy, pozwala nam przeprowadzić 50 kandydatów przez próg walidacji planet, modernizując ich do prawdziwych planet. Mamy nadzieję, że zastosujemy tę technikę do dużych próbek kandydatów z obecnych i przyszłe misje, takie jak TESS i PLATO. Jeśli chodzi o walidację planet, nikt wcześniej nie używał techniki uczenia maszynowego ”.

„Uczenie maszynowe było wykorzystywane do oceniania planetarnych kandydatów, ale nigdy w ramach probabilistycznych, które są tym, czego potrzebujesz, aby naprawdę zweryfikować planetę” - dodał. „Zamiast mówić, którzy kandydaci z większym prawdopodobieństwem będą planetami, możemy teraz powiedzieć, jakie jest dokładne statystyczne prawdopodobieństwo. Tam, gdzie prawdopodobieństwo, że kandydat jest mniej niż 1% fałszywie dodatni, jest uważane za potwierdzoną planetę”.

Ponieważ nowy zestaw teleskopów kosmicznych rozpoczyna misję poszukiwania nowych światów, w których mogą znajdować się nowe cywilizacje, możemy być pewni, że wiele, jeśli nie większość planet, dla których potwierdzono, że są czymś więcej niż błędnym kosmicznym hałasem, zostanie potwierdzona przez uczenie maszynowe.


Obejrzyj wideo: Meissner o książkach popularno-naukowych. (Lipiec 2022).


Uwagi:

  1. Beinvenido

    Hej! Każdy, kto czyta tego bloga - Szczęśliwe podejście i porozumienie!

  2. Abdul-Hafiz

    To po prostu nieporównywalne zdanie

  3. Fitzgilbert

    Uważam, że nie masz racji. Jestem pewien. Zapraszam do omówienia. Napisz w PM, porozmawiamy.

  4. Niklas

    Mylisz się. Jestem w stanie to udowodnić. Napisz do mnie w PM.

  5. Kamal

    Przepraszam, ale nie tego potrzebuję.



Napisać wiadomość